把十亿级实时系统做稳的人，现在在做可靠的 AgentKeeps billion-event systems reliable. Now making agents reliable.
我把代码贡献回 AI 技术栈的五个层面 —— 从 Agent 运行时，到训练推理、评测安全、可解释性和数据层。挑一个你关心的项目点进去，具体做了什么都在那里。
让 Agent 跑在生产级系统上 —— 流式运行时、Agent 协议、持久化工作流。
模型怎么训、怎么跑 —— 训练内核、微调框架、推理引擎、多模态与强化学习。
判断一个 Agent 能不能上线 —— 评测框架、安全扫描、链路追踪与语义规范。
打开模型内部 —— 机制可解释性、稀疏自编码器、电路追踪。
喂给模型的数据 —— 文档解析、特征存储、多模态湖仓格式、语义检索。
每个项目点进去，就是合入的代码和评审记录。也可以一次看全。
GitHub 上的贡献记录 →Agent 的开放轨迹湖仓：OpenTelemetry GenAI 轨迹进来，Apache Iceberg 表出去，流上跑确定性检查（拒绝规则、工具白名单、延迟 SLO、token 预算）。Kafka 传输，按天分区。
OpenTelemetry GenAI · Apache Iceberg · Kafka · Python github.com/Zhuoxi2000/tracelake →工具型 Agent 在「模糊失败」下的 exactly-once 合规基准：mock 后端按幂等键数真实副作用，1 = 对、≥2 = 重复扣款、0 = 漏扣。576 个 episode 全量公开。
github.com/Zhuoxi2000/RetryLedger →分页聚合崩塌与完备性过度自信：页数一多准确率掉到 0，Agent 自报「全看完了」却还是 0.94。精确 oracle，不需要裁判。
github.com/Zhuoxi2000/CompletenessCliff →